Este verano se anunció en lanzamiento del lenguaje de programación Julia 1.0. Este hito supone la culminación de casi una década de trabajo para conseguir un lenguaje de programación ambicioso. En el año 2012 los autores del lenguaje Jeff Bezanson, Stefan Karpinski, Viral Shah, y Alan Edelman comentaron que llevaban trabajando en Julia durante tres años. Estaban cansados de tener que cambiar entre Matlab, Lisp, Python, Ruby, Perl, Mathematica, R y C. Por lo que desean tener u único lenguaje de programación que fuese bueno para el cálculo científico, aprendizaje automático, minería de datos, álgebra lineal, computación paralela y computación distribuida.
El lenguaje de programación Julia ha sido diseñado para disponer de las ventajas de un lenguaje dinámico con el rendimiento de un lenguaje compilado. Esto se consigue en parte gracias a la utilización de un compilador JIT (just-in-time) basado en LLVM (Low Level Virtual Machine) que permite generar código máquina nativo.
Julia es un lenguaje de programación muy atractivo para los científicos de datos, estadísticos y analistas financieros. Ofreciendo un lenguaje de programación fácil de aprender que ofrece un gran rendimiento. En su contra se encuentra su juventud, por lo que no se encuentran disponibles la cantidad de librerías que se puede encontrar actualmente en los lenguajes más populares como R, Python o Matlab.
En 2015 los diseñadores del Julia fundaron la compañía Julia Computing que mantienen actualmente los repositorios de código abierto. Además de desarrollar productos comerciales que faciliten la utilización de Julia y la implementación.
¿Por qué aprender Julia?
El objetivo de los diseñadores del lenguaje de programación Julia es crear una combinación sin precedentes de facilidad de uso, potencia y eficiencia en un único lenguaje. En cuanto a la eficiencia se puede consultar la siguiente gráfica extraída de la web del proyecto.
En esta figura se muestra el rendimiento de 8 algoritmos diferentes en Julia y otros 12 lenguajes de programación. Indicando el benchmark un mayor rendimiento cuando su valor es menor. En el gráfico el rendimiento se toma en relación al valor de C, al que se le asigna un valor de 1. Los lenguajes a la derecha de Julia se han ordenado utilizando la media geométrica de los benchmark.
A la vista de los resultados se puede observar que Julia es uno de los lenguajes más rápidos, siendo incluso más rápido que C en ciertas situaciones. Este rendimiento no se puede conseguir con otros lenguajes de alto nivel como Matlab, Python o R.
El rendimiento se consigue gracias a la utilización de un compilador JIT en lugar de un intérprete. Lo que significa que la primera ejecución del código es más lenta ya que el compilador ha de analizar y compilar el código. Pudiendo significar un desventaja en ciertas ocasiones respecto a otros lenguajes.
Los usuarios de Julia indica que es tan fácil de usar como puede ser Python, R o Matlab.
Conclusiones
El anuncio de lanzamiento de Julia 1.0 durante el verano de 2018 puede suponer un punto de inflexión. Julia ya es un lenguaje de programación interesante no solo para los científicos de datos, sino que para cualquier interesado en el cálculo científico. El éxito o fracaso de Julia se encuentra ahora en manos de los usuarios que pueden adoptar o no este interesante proyecto.
Imágenes: Pixabay|julialang.org
